같은 브랜드에 두 개의 dashboard가 있다고 하자. GA4는 총 sessions 300,000, AI Assistant 5,400, 전체의 1.8%, AI attributed revenue 18,000달러라고 말한다. 결론은 AI traffic이 작다는 것이다. AI Discoverability dashboard는 GEO Score 72/100, ADI 58/100, 12개 AI platform crawler active, user_fetch +43% MoM, Citation SOV 27%, category 3위라고 말한다. 결론은 AI가 가장 빠르게 성장하는 채널이라는 것이다.
데이터가 틀린 것이 아니다. 패러다임이 다르다.
Traffic attribution paradigm
GA4와 web analytics는 하나의 가정 위에 있다. 상업적 가치는 사용자가 웹사이트에 방문한 후 발생한다. 측정 단위는 session이다. session에는 source/medium, duration, page views, conversion events가 있다. 마케터는 source별 conversion rate와 ROI를 계산해 예산을 배분한다.
이 가정은 오랫동안 맞았다. discovery는 검색 결과에서 일어났고, click은 필수였다. 구매 여정은 대체로 웹사이트 안에서 진행되었다. referrer는 의미 있는 traffic source를 설명했다.
AI 시대에 깨지는 가정
첫째, discovery에 click이 필요하지 않다. ChatGPT가 제품 비교 답변 안에서 브랜드를 언급하면 사이트 방문 없이 awareness가 생긴다.
둘째, value path는 웹사이트에 갇히지 않는다. Perplexity에서 조사하고, Claude에서 반품 정책을 비교하고, Google AI Overview에서 가격을 확인한 뒤 Amazon에서 구매할 수 있다.
셋째, referrer는 더 이상 안정적이지 않다. mobile app, copy-paste, privacy browser 때문에 AI 기원 방문이 Direct로 들어간다.
넷째, 누가 왔는지만으로 value를 설명할 수 없다. AI crawler visits 중 training은 직접 가치가 낮고 user_fetch는 높은 intent를 가진다. GA4는 둘 다 보지 못한다.
AI Discoverability Paradigm
필요한 것은 GA4를 버리는 것이 아니라 그 위에 새 layer를 추가하는 것이다. AI search 시대의 brand value는 "사용자가 사이트에 왔다"가 아니라 "AI가 브랜드를 찾고 정확히 이해할 수 있다"에서 시작한다.
Layer 1은 AI Readiness다. Schema, metadata, llms.txt, robots.txt, JavaScript dependency를 확인한다. 핵심 지표는 GEO Score다.
Layer 2는 AI Visibility다. AI가 브랜드를 추천하고 인용하는가. Citation SOV, AI Discoverability Index, platform SOV가 들어간다.
Layer 3은 AI Accuracy다. AI가 추천할 때 올바른 가격, 제품 라인, 본사, 정책을 말하는가. 잘못된 추천은 추천되지 않는 것보다 위험할 수 있다.
Layer 4는 AI Conversion이다. AI 영향이 최종 비즈니스 성과로 이어졌는가. 여기서 AIAA의 Answer, Request, Visit, Commerce, Attribution layer가 필요하다. Traffic attribution은 사라지지 않고 discoverability paradigm의 마지막 층이 된다.
두 패러다임의 관계
Traffic attribution은 downstream conversion efficiency를 잘 측정한다. AI discoverability는 upstream influence를 측정한다. 완전한 시스템은 둘 다 필요하다. Discoverability로 AI가 알고 추천하는지 보고, GA4/CRM으로 방문 이후 전환을 보고, Citation SOV와 branded search, AI referral conversion 사이의 causal bridge를 검증해야 한다.
조직 구조에 미치는 영향
이는 도구 문제가 아니라 조직 문제다. AI discoverability는 SEO만의 업무가 아니다. PR은 narrative를 관리하지만 AI는 media와 다르게 brand knowledge를 소비한다. Content team은 사람을 위한 글을 만들지만 AI는 Schema, FAQ, llms.txt, policy consistency를 읽는다. Analytics team은 GA4를 보지만 GA4는 AI impact 대부분을 놓친다.
따라서 AI Visibility Manager 또는 GEO Lead 역할이 필요하다. 이 역할은 search 기술, brand knowledge, data analytics, business strategy를 연결해야 한다. CMO에게 보고할 수도, CTO나 VP Growth에게 보고할 수도 있지만, 핵심은 marketing과 technology 사이의 bridge다.
시리즈 요약
1편은 AI traffic이 다섯 층이며 GA4는 얕은 층만 본다고 설명했다. 2편은 GA4/GSC 업데이트의 경계를 정리했다. 3편은 Google AI Overview가 Organic에 남는 구조적 이유를 분석했다. 4편은 crawler intent를 다섯 가지로 나눴다. 5편은 DTC monitoring upgrade path를 제시했다. 6편의 결론은 명확하다. 변화의 본질은 도구가 아니라 측정 패러다임이다.
GA4 숫자만으로 AI의 중요성을 판단하지 말아야 한다. GA4는 답이 아니라 빙산의 상단이다. AI readiness, visibility, accuracy, conversion을 연결하는 system이 필요하다.
경영진이 봐야 할 dashboard도 달라진다. 기존 performance scorecard에는 sessions, CAC, conversion rate, revenue가 남아야 한다. 하지만 그 옆에 AI market presence scorecard가 필요하다. 여기에는 GEO Score, Citation SOV, AI Accuracy Issues, user_fetch trend, crawler intent mix, branded search lift가 들어간다. 두 scorecard를 같은 회의에서 봐야 upstream 문제와 downstream 문제를 구분할 수 있다.
예를 들어 Citation SOV가 오르는데 conversion이 오르지 않으면 landing page나 offer 문제가 있을 수 있다. Conversion은 좋은데 visibility가 낮으면 content coverage나 AI readiness 문제다. User Fetch는 많은데 Accuracy issue가 반복되면 브랜드 지식과 정책 페이지를 고쳐야 한다. 이런 진단은 GA4만으로 불가능하다. 패러다임 전환은 측정 지표를 늘리는 일이 아니라 의사결정 순서를 바꾸는 일이다.
따라서 KPI도 두 줄로 관리해야 한다. 첫 줄은 기존 performance KPI이고, 둘째 줄은 AI presence KPI다. 두 줄이 같은 방향으로 움직일 때는 확장할 수 있고, 서로 어긋날 때는 병목을 찾아야 한다. 이것이 AI search 시대의 운영 방식이다.
시작은 간단하다. GA4에서 AI Assistant를 확인하고, 이 숫자가 빙산의 20%라면 나머지 80%는 어디 있는지 묻는 것이다.
FAQ
Q1: Discoverability paradigm은 GA4를 대체하나?
A: 아니다. GA4는 방문과 전환 측정의 핵심 도구다. Discoverability는 그 상위 layer다.
Q2: GEO Score와 SEO audit의 차이는?
A: SEO는 ranking factor 중심이고, GEO는 Schema, llms.txt, crawler access, citation readiness를 본다.
Q3: AI Visibility Manager는 누구에게 보고하나?
A: 조직에 따라 CMO, CTO, VP Growth 모두 가능하다. 핵심은 marketing과 technology를 연결하는 권한이다.
Q4: Citation SOV가 낮으면?
A: AI Readiness부터 점검한다. Schema, robots.txt, llms.txt, Answer-First content, brand consistency를 수정한다.
Q5: 글로벌 브랜드에는 어떤 의미가 있나?
A: 해외 AI 생태계와 아시아 AI 생태계를 동시에 봐야 한다. GA4는 그중 일부만 본다.